鐵路是國民經(jīng)濟發(fā)展的重要基石,及時地鋼軌缺損維護工作是保證鐵路運輸安全的重要一環(huán)。隨著我國經(jīng)濟迅速繁榮,高速、重載、路網(wǎng)密集已經(jīng)越來越成為未來鐵路發(fā)展建設的方向,當前傳統(tǒng)低效、處理復雜的巡檢方式已難以滿足軌檢需要。近年來在目標識別領域興起的深度學習方法,在檢測效果上實現(xiàn)了跨越式提升。本文采用高速線陣相機技術對鋼軌圖像進行快速采集,并采用深度卷積生成對抗網(wǎng)絡對鋼軌缺陷樣本進行增強,基于區(qū)域候選的深度卷積神經(jīng)網(wǎng)絡（Faster Region-Convolutional Neural Networks,Faster R-CNN）算法對鋼軌表面缺陷區(qū)域完成識別,完成了高效的圖像式鐵路軌道表面缺陷檢測系統(tǒng)。首先,在汲取課題組前期基于面陣相機的鋼軌圖像采集裝置經(jīng)驗前提下,改用高速線陣相機,使用外部觸發(fā)裝置,搭建圖像采集系統(tǒng)。針對目前軌檢車采集的圖像質(zhì)量差異較大的問題,主要考慮光線影響,通過加裝遮光罩及可調(diào)節(jié)的光源補充裝置,提升了采集圖像的質(zhì)量。線陣相機在行頻觸發(fā)條件下,在保證圖像質(zhì)量的前提下,實現(xiàn)了對鋼軌圖像的高速采集。其次,分別介紹了YOLO、SSD、R-CNN系列網(wǎng)絡架構,分析總結(jié)了上述方法的... 

【文章來源】：蘭州交通大學甘肅省

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

國外主要

國產(chǎn)

圖像式鐵路軌道表面缺陷檢測技術研究-10-圖2.3便攜式軌道狀態(tài)檢測系統(tǒng)結(jié)構圖2.2.2設備選型本圖像采集系統(tǒng)中，硬件設備主要包括：條形光源、線陣相機、鏡頭、工控機、蓄電池及外部觸發(fā)裝置等，其中核心器件為高速線陣相機。為適應系統(tǒng)檢測精度的要求，此處采集圖像的分辨率理論不低于0.5mm，此外相機還應配備靈活的外部調(diào)節(jié)模塊用于對曝光時間、亮度等工作環(huán)境的配置。對系統(tǒng)相機需求分析后，本系統(tǒng)選用Microview公司的MVC2049SLM-GE32型線陣黑白相機，該相機傳感器類型為CMOS形式，可將光電信號轉(zhuǎn)換直接產(chǎn)生電流信號，信號讀取簡單，耗電量校相機參數(shù)如表2.2所示。圖2.4和圖2.5分別為相機實物和相機光譜曲線。40050060070080090010000102030405060708090100η(%)Lambda(nm)圖2.4MVC2049SLM-GE32型相機實物圖2.5MVC2049SLM-GE32型相機光譜曲線圖2.6AZURE-2428MF鏡頭NI工控機系統(tǒng)電源光源控制器條形LED光源工業(yè)相機鋼軌軌枕扣件顯示器

【參考文獻】：
期刊論文
[1]基于WFSOA的2D-Otsu鋼軌缺陷圖像分割方法[J]. 曹義親,段也鈺,武丹.  計算機科學. 2020(05)
[2]高速運動的軌道圖像去模糊[J]. 鄢化彪,黃綠娥,王鵬.  鐵道學報. 2019(12)
[3]基于區(qū)域與深度殘差網(wǎng)絡的圖像語義分割[J]. 羅會蘭,盧飛,孔繁勝.  電子與信息學報. 2019(11)
[4]基于改進距離正則化水平集的鋼軌表面缺陷提取方法[J]. 曹義親,謝舒慧.  交通信息與安全. 2019(05)
[5]基于Faster R-CNN的多尺度高壓塔鳥巢檢測[J]. 王紀武,羅海保,魚鵬飛,鄭樂樂,胡方全.  北京交通大學學報. 2019(05)
[6]基于ACFM的軌道缺陷檢測系統(tǒng)設計和試驗[J]. 趙建明,邢艷東,李偉,葛玖浩,袁新安,陳國明,劉陽,朱玉凱.  無損檢測. 2019(10)
[7]視覺注意力網(wǎng)絡在工件表面缺陷檢測中的應用[J]. 王一鳴,杜慧敏,張霞,徐一丁.  計算機輔助設計與圖形學學報. 2019(09)
[8]基于條件深度卷積生成對抗網(wǎng)絡的語音增強研究[J]. 褚偉.  智能計算機與應用. 2019(04)
[9]基于改進的Faster R-CNN高壓線纜目標檢測方法[J]. 劉召,張黎明,耿美曉,么軍,張金祿,胡益菲.  智能系統(tǒng)學報. 2019(04)
[10]基于Faster R-CNN的高分辨率圖像目標檢測技術[J]. 謝奇芳,姚國清,張猛.  國土資源遙感. 2019(02)

碩士論文
[1]軌檢圖像中鋼軌表面缺陷分析與識別[D]. 程天棟.蘭州交通大學 2017
[2]工業(yè)相機序列圖像超分辨率重建[D]. 王曉東.哈爾濱工業(yè)大學 2016
[3]基于機器視覺的鋼軌表面缺陷檢測技術研究[D]. 王時麗.西南科技大學 2016



本文編號：3424014